# UserAgentContext & ProfileSettings v1 设计

**Date:** 2026-03-05
**Status:** Approved

---

## 目标

为 Agent Runtime 提供完整的用户画像上下文，通过 Pydantic 约束 profiles.settings 结构，确保：

1. 运行时入口读取 profile（username/bio/settings）
2. settings 结构类型安全、版本可演进
3. 关键配置（语言/时区/国家）符合标准格式

---

## 架构

```
Profile (DB JSONB)
    ↓
ProfileSettings (Pydantic)
    ↓
UserAgentContext (DataClass)
    ↓
build_global_system_prompt(ctx)
```

**设计原则：**
- 唯一入口：`get_user_agent_context(user_id)` 读取并构造上下文
- 不可变：UserAgentContext 使用 frozen dataclass
- 向后兼容：version 字段预留未来演进

---

## ProfileSettings v1 结构

```json
{
  "version": 1,
  "preferences": {
    "interface_language": "zh-CN",
    "ai_language": "zh-CN",
    "timezone": "Asia/Shanghai",
    "country": "CN"
  },
  "privacy": {},
  "notification": {}
}
```

### 字段说明

| 字段 | 类型 | 默认值 | 约束 |
|------|------|--------|------|
| `version` | int | 1 | 必须为 1（v1 锁定） |
| `preferences.interface_language` | str | "zh-CN" | BCP-47 格式 |
| `preferences.ai_language` | str | "zh-CN" | BCP-47 格式 |
| `preferences.timezone` | str | "Asia/Shanghai" | IANA 时区 |
| `preferences.country` | str | "CN" | ISO 3166-1 alpha-2 |
| `privacy` | dict | {} | 空对象（预留） |
| `notification` | dict | {} | 空对象（预留） |

### 约束规则

**1. BCP-47 语言格式**

正则：`^[a-z]{2,3}(-[A-Z][a-z]{3})?(-[A-Z]{2})?$`

示例：
- ✅ zh-CN, en-US, zh-TW, ja-JP
- ❌ zh_CN, EN, chn

**2. IANA 时区**

使用 `zoneinfo.ZoneInfo` 校验。

示例：
- ✅ Asia/Shanghai, America/New_York, UTC
- ❌ CST, GMT+8

**3. ISO 3166-1 alpha-2 国家代码**

使用 `pycountry.countries.get(alpha_2=...)` 校验。

示例：
- ✅ CN, US, JP, GB
- ❌ CHN, USA, zz

---

## UserAgentContext 结构

```python
@dataclass(frozen=True)
class UserAgentContext:
    user_id: UUID
    username: str
    bio: str | None
    settings: ProfileSettings
```

**设计要点：**
- 不可变（frozen=True）：防止运行时修改
- 完整画像：包含身份（username/bio）和配置（settings）
- 唯一构造入口：`get_user_agent_context(user_id)`

---

## Pydantic 模型实现

```python
from pydantic import BaseModel, Field, field_validator
from dataclasses import dataclass
from uuid import UUID
import re

class PreferenceSettings(BaseModel):
    interface_language: str = "zh-CN"
    ai_language: str = "zh-CN"
    timezone: str = "Asia/Shanghai"
    country: str = "CN"
    
    @field_validator("interface_language", "ai_language")
    @classmethod
    def validate_bcp47(cls, v: str) -> str:
        pattern = r"^[a-z]{2,3}(-[A-Z][a-z]{3})?(-[A-Z]{2})?$"
        if not re.match(pattern, v):
            raise ValueError(f"Invalid BCP-47 language tag: {v}")
        return v
    
    @field_validator("timezone")
    @classmethod
    def validate_iana_timezone(cls, v: str) -> str:
        import zoneinfo
        try:
            zoneinfo.ZoneInfo(v)
        except Exception:
            raise ValueError(f"Invalid IANA timezone: {v}")
        return v
    
    @field_validator("country")
    @classmethod
    def validate_iso_country(cls, v: str) -> str:
        import pycountry
        if not pycountry.countries.get(alpha_2=v.upper()):
            raise ValueError(f"Invalid ISO 3166-1 alpha-2 country code: {v}")
        return v.upper()

class ProfileSettings(BaseModel):
    version: int = Field(default=1, ge=1, le=1)
    preferences: PreferenceSettings = Field(default_factory=PreferenceSettings)
    privacy: dict = Field(default_factory=dict)
    notification: dict = Field(default_factory=dict)

@dataclass(frozen=True)
class UserAgentContext:
    user_id: UUID
    username: str
    bio: str | None
    settings: ProfileSettings
```

---

## 依赖项

需要添加到 `backend/pyproject.toml`：

```toml
[project.dependencies]
pycountry = ">=23.0.0"
```

---

## 迁移策略

**数据库层：**
- profiles.settings 保持 JSONB，不做 schema 变更
- 现有数据默认值：`{"version": 1, "preferences": {"country": "CN"}}`

**应用层：**
- 读取时：`ProfileSettings.model_validate(profile.settings or {})`
- 写入时：`profile.settings = settings.model_dump()`

---

## 未来演进


**版本迁移：**
- Pydantic 支持多版本共存
- 数据库不做破坏性变更

---

---

## AG-UI 事件转发与落库策略

### 核心原则

**1. 事件转发时机：**
- 只有 organization 阶段完成后转发 AG-UI 事件
- AG-UI bridge 已实现底层机制，编排层控制转发时机

**2. 落库时机：**
- 意图识别和任务执行阶段：落库但 seq 取负数（用于审计）
- 结果反馈阶段：seq 取最新 seq 的绝对值 +1（用于展示）

### Seq 设计细节

**意图识别和任务执行阶段（审计用）：**
- seq 取负数（如 -1, -2）
- role: "assistant"（标记为 agent 输出）
- content: 阶段的完整输出（用于审计/调试）
- 重建会话时通过 `WHERE seq > 0` 过滤，不展示给用户

**结果反馈阶段（展示用）：**
- seq 取正数（取最新负数的绝对值 +1）
- role: "assistant"
- content: OrganizationResult.assistant_text
- 重建会话时通过 `WHERE seq > 0` 展示给用户

**示例：**
```
| seq  | role     | content                    | 展示 |
|------|----------|----------------------------|------|
| -2   | assistant| ExecutionResult (完整)     | 否   |
| -1   | assistant| IntentResult (完整)        | 否   |
| 1    | user     | 用户输入                   | 是   |
| 2    | assistant| OrganizationResult         | 是   |
```

### 编排层职责

```python
@listen(intent_stage)
async def persist_intent(self, state: FlowState) -> FlowState:
    # seq 取负数
    seq = await message_repo.get_next_negative_seq(state.session_id)
    await message_repo.create(
        session_id=state.session_id,
        seq=seq,  # 负数
        role="assistant",
        content=state.intent_result.model_dump_json(),
        ...
    )
    return state

@listen(execution_stage)
async def persist_execution(self, state: FlowState) -> FlowState:
    # seq 取负数
    seq = await message_repo.get_next_negative_seq(state.session_id)
    await message_repo.create(
        session_id=state.session_id,
        seq=seq,  # 负数
        role="assistant",
        content=state.execution_result.model_dump_json(),
        ...
    )
    return state

@listen(organization_stage)
async def finalize_flow(self, state: FlowState) -> FlowState:
    result = state.organization_result
    
    # seq 取正数（最新负数绝对值+1）
    seq = await message_repo.get_next_positive_seq(state.session_id)
    await message_repo.create(
        session_id=state.session_id,
        seq=seq,  # 正数
        role="assistant",
        content=result.assistant_text,
        ...
    )
    
    # 触发 AG-UI 事件（由 bridge 处理）
    return state
```

### Token 和 Cost 累加

**策略：在内存中累加所有阶段的 token 和 cost，organization 完成后统一落库。**

```python
@dataclass
class FlowState:
    # ...
    tokens: dict[str, dict] = field(default_factory=dict)
    cost: Decimal = Decimal("0")
    currency: str = "CNY"
```

---

## CrewAI Flow 三阶段设计

### 架构概览

```
User Input + UserAgentContext
    ↓
@start() begin()
    ↓
@listen() intent_stage() → 判断 can_answer_directly
    ↓ (router)
    ├─ DIRECT_RESPONSE → 直接返回
    └─ NEEDS_EXECUTION
           ↓
       @listen() execution_stage() → 任务执行/工具调用
           ↓
       @listen() organization_stage() → 结果组织与表达
           ↓
       返回给用户
```

### 三阶段职责

**1. Intent Recognition（意图识别）**
- Agent Type: `INTENT_RECOGNITION`
- 输出结构（最小化设计）：
  ```python
  class IntentResult(BaseModel):
      direct_answer: bool  # 是否可以直接回答
      intent_analysis: str  # 意图分析文本（用于调试/审计）
      execution_prompt: str  # 给 execution 阶段的提示词（direct_answer=false时使用）
      direct_response: str  # 直接回复文本（direct_answer=true时使用）
  ```
- 短路逻辑：
  - `direct_answer=true` → 完全跳过 execution 和 organization，直接返回 direct_response
  - `direct_answer=false` → 进入 execution 阶段
- 输出约束：使用 `output_pydantic=IntentResult`
- **落库策略**：落库到 messages 表，但重建会话时不展示

**2. Task Execution（任务执行）**
- Agent Type: `TASK_EXECUTION`
- 输入：IntentResult.execution_prompt + IntentResult.intent_analysis
- 职责：
  - 执行复杂任务（查询数据库、调用工具、多步骤推理）
  - 返回结构化执行结果
- 输出结构（最小化设计）：
  ```python
  class ExecutionResult(BaseModel):
      execution_summary: str  # 任务执行摘要（用于调试/审计）
      organization_prompt: str  # 给 organization 阶段的提示词
      execution_data: dict = {}  # 执行结果的结构化数据
  ```
- 输出约束：使用 `output_pydantic=ExecutionResult`
- **落库策略**：落库到 messages 表，但重建会话时不展示

**3. Result Reporting（结果报告）**
- Agent Type: `RESULT_REPORTING`
- 输入：
  - IntentResult（意图识别结果）
  - ExecutionResult（任务执行情况）
- 职责：
  - 结合意图分析和执行结果，格式化为用户友好的响应
  - 应用个性化模板（基于 UserAgentContext）
- 输出结构（最小化设计）：
  ```python
  class OrganizationResult(BaseModel):
      assistant_text: str  # 最终回复文本
      response_metadata: dict = {}  # 响应元数据（可选）
  ```
- 输出约束：使用 `output_pydantic=OrganizationResult`
- **唯一展示阶段**：重建会话时只展示此阶段的 message
- **唯一转发阶段**：只有此阶段的输出需要通过 AG-UI 事件转发

### Flow 状态管理

```python
@dataclass
class FlowState:
    user_input: str
    context: UserAgentContext
    stage_trace: list[str] = field(default_factory=list)
    intent_result: IntentResult | None = None
    execution_result: ExecutionResult | None = None
    organization_result: OrganizationResult | None = None
    assistant_text: str = ""
    tokens: dict = field(default_factory=dict)
    cost: Decimal = Decimal("0")
```

### 数据流向

```
User Input + UserAgentContext
    ↓
@start() begin()
    ↓
@listen() intent_stage()
    ├─ IntentResult.direct_answer=true
    │    ↓
    │  跳过 execution，直接 organization
    │    ↓
    │  organization_stage(IntentResult.next_stage_prompt, IntentResult.metadata)
    │    ↓
    │  OrganizationResult → AG-UI 事件 + 落库
    │
    └─ IntentResult.direct_answer=false
         ↓
       execution_stage(IntentResult.next_stage_prompt, IntentResult.metadata)
         ↓
       ExecutionResult
         ↓
       organization_stage(ExecutionResult.next_stage_prompt, ExecutionResult.metadata)
         ↓
       OrganizationResult → AG-UI 事件 + 落库
```

### 三阶段输出约束

**所有阶段使用 `output_pydantic` 约束输出：**

```python
from pydantic import BaseModel

class IntentResult(BaseModel):
    direct_answer: bool
    next_stage_prompt: str
    metadata: dict = {}

class ExecutionResult(BaseModel):
    next_stage_prompt: str
    metadata: dict = {}

class OrganizationResult(BaseModel):
    assistant_text: str
    metadata: dict = {}

# Task 定义
intent_task = Task(
    description="Analyze user intent",
    expected_output="Intent analysis",
    agent=intent_agent,
    output_pydantic=IntentResult,
)

execution_task = Task(
    description="Execute tasks",
    expected_output="Execution result",
    agent=execution_agent,
    output_pydantic=ExecutionResult,
)

organization_task = Task(
    description="Format response",
    expected_output="User-friendly response",
    agent=organization_agent,
    output_pydantic=OrganizationResult,
)
```

---

## 系统选模逻辑设计

### 问题背景

旧逻辑：`order_by(...).limit(1)` 随机选择一个系统 agent，不区分阶段。

新逻辑：按 `agent_type` 显式映射到三阶段。

### 选模规则

**必需的 Agent Types：**
- `INTENT_RECOGNITION` → 用于 intent_stage
- `TASK_EXECUTION` → 用于 execution_stage
- `RESULT_REPORTING` → 用于 organization_stage

**查询逻辑：**

```python
REQUIRED_TYPES = {"INTENT_RECOGNITION", "TASK_EXECUTION", "RESULT_REPORTING"}

@dataclass(frozen=True)
class StageModels:
    intent: SystemAgentCatalog
    execution: SystemAgentCatalog
    organization: SystemAgentCatalog

def resolve_stage_models(rows: list[SystemAgentCatalog]) -> StageModels:
    by_type = {row.agent_type: row for row in rows}
    missing = REQUIRED_TYPES - set(by_type.keys())
    if missing:
        raise ValueError(f"Missing required agent types: {missing}")
    
    return StageModels(
        intent=by_type["INTENT_RECOGNITION"],
        execution=by_type["TASK_EXECUTION"],
        organization=by_type["RESULT_REPORTING"],
    )
```

**初始化数据约束：**
- `system_agents` 表必须包含三种类型的记录
- 运行时启动时验证完整性

---

## 人民币结算策略设计

### 设计原则

1. **保留 LiteLLM 语义**：`completion_cost()` 始终返回 USD
2. **业务层映射**：根据用户国家（`profiles.settings.preferences.country`）决定落库货币
3. **默认人民币**：中国用户或无国家信息默认 CNY
4. **汇率配置**：USD/CNY 汇率通过环境变量配置

### 货币来源

```
UserAgentContext.settings.preferences.country
    ↓
resolve_billing_currency(country)
    ↓
CN → CNY
US → USD
其他 → USD
```

### 结算流程

```
LiteLLM completion_cost()
    ↓ (USD)
resolve_billing_cost(usd_cost, country)
    ↓
    ├─ country="CN" or None → CNY (乘以汇率)
    └─ country="US" → USD (保持原值)
    ↓
messages.cost + messages.currency
sessions.total_cost (同一货币)
```

### 汇率配置

```python
# 环境变量
BILLING_USD_CNY_RATE=7.2

# 默认值
DEFAULT_USD_CNY_RATE = Decimal("7.2")
```

### 结算模型

```python
@dataclass(frozen=True)
class BillingCost:
    currency: str  # "CNY" or "USD"
    cost: Decimal  # 6位小数精度

def resolve_billing_cost(
    usd_cost: Decimal,
    country: str | None,
    usd_cny_rate: Decimal = DEFAULT_USD_CNY_RATE,
) -> BillingCost:
    currency = "CNY" if (country or "CN").upper() == "CN" else "USD"
    if currency == "CNY":
        cost = usd_cost * usd_cny_rate
    else:
        cost = usd_cost
    return BillingCost(
        currency=currency,
        cost=cost.quantize(Decimal("0.000001"))
    )
```

### 数据库落库

**messages 表：**
- `cost`: NUMERIC(12,6) - 业务货币金额
- `currency`: VARCHAR(3) - "CNY" or "USD"

**sessions 表：**
- `total_cost`: NUMERIC(12,6) - 同一货币累计

**约束：**
- 同一 session 内所有 messages 的 currency 必须一致
- sessions.total_cost 累加时保持货币一致

---

## Session 状态一致性设计

### 问题背景

旧逻辑：
- `sessions.status` 与 `state_snapshot.status` 不同步
- 失败时状态不一致
- title 未自动赋值

### 状态机

```
pending (创建)
    ↓
running (开始执行)
    ↓
    ├─ completed (成功)
    └─ failed (异常)
```

### 状态同步规则

**创建时：**
```python
session = AgentChatSession(
    user_id=user_uuid,
    status=AgentChatSessionStatus.PENDING,
    state_snapshot={
        "status": "pending",
        "pending_tool_call_id": None,
    },
)
```

**运行时：**
```python
# 开始执行
session.status = AgentChatSessionStatus.RUNNING
session.state_snapshot["status"] = "running"

# 成功完成
session.status = AgentChatSessionStatus.COMPLETED
session.state_snapshot["status"] = "completed"

# 失败
session.status = AgentChatSessionStatus.FAILED
session.state_snapshot["status"] = "failed"
session.state_snapshot["error_id"] = error_id
```

### 自动 Title 赋值

**规则：**
- 首次运行时，如果 `session.title` 为空，使用 `user_input[:255]` 赋值
- 只在第一次运行时赋值，后续不覆盖

**实现：**
```python
async def _set_title_if_empty(self, session_id: UUID, title: str) -> None:
    stmt = (
        update(AgentChatSession)
        .where(AgentChatSession.id == session_id)
        .where(AgentChatSession.title.is_(None))
        .values(title=title[:255])
    )
    await self.db.execute(stmt)
```

### Repository 方法

```python
class SessionRepository:
    async def mark_running(self, session_id: UUID) -> None: ...
    async def mark_completed(self, session_id: UUID) -> None: ...
    async def mark_failed(self, session_id: UUID, error_id: str) -> None: ...
```

---

## 全局 Prompt 构建设计

### 分层结构

```
全局系统 Prompt
├─ 身份段（username/bio）
├─ 偏好段（language/timezone/country）
└─ 阶段段（动态注入）
    ├─ intent stage prompt
    ├─ execution stage prompt
    └─ organization stage prompt
```

### 构建函数

```python
def build_global_system_prompt(ctx: UserAgentContext) -> str:
    lines = [
        "# User Identity",
        f"username: {ctx.username}",
        f"bio: {ctx.bio or 'N/A'}",
        "",
        "# User Preferences",
        f"interface_language: {ctx.settings.preferences.interface_language}",
        f"ai_language: {ctx.settings.preferences.ai_language}",
        f"timezone: {ctx.settings.preferences.timezone}",
        f"country: {ctx.settings.preferences.country}",
        "",
        "# Instructions",
        "Use the user's preferences to personalize responses.",
        "Respond in the user's preferred AI language.",
        "Consider the user's timezone for time-related queries.",
    ]
    return "\n".join(lines)
```

### 阶段注入

每个阶段运行时，在全局 prompt 基础上追加阶段特定的指令：

```python
def build_stage_prompt(
    base_prompt: str,
    stage: str,  # "intent" | "execution" | "organization"
    ctx: UserAgentContext,
) -> str:
    stage_prompts = {
        "intent": "Analyze the user's intent and decide if direct response is possible.",
        "execution": "Execute the required tasks and tools to fulfill the user's request.",
        "organization": "Format the execution results into a user-friendly response.",
    }
    return f"{base_prompt}\n\n# Stage: {stage}\n{stage_prompts[stage]}"
```

---

## 依赖关系图

```
UserAgentContext (核心上下文)
    ↓
    ├─ ProfileSettings (用户配置)
    │   └─ preferences.country → 人民币结算
    │
    ├─ build_global_system_prompt() (全局 Prompt)
    │   └─ 三阶段 Flow 使用
    │
    └─ resolve_stage_models() (选模逻辑)
        └─ 三阶段 Agent 配置
```

---

## 相关文档

- [Runtime Database Schema](../runtime/runtime-database.md)
- [AG-UI Protocol](.opencode/skills/ag-ui/SKILL.md)
- [CrewAI Framework](.opencode/skills/crewai/SKILL.md)